一、简介

Flume 是一个 分布式的、可靠的、高可用的 海量日志聚合 系统。

支持 自定义 数据的 生产方 和 接收方，并可以对数据进行简单的处理。

初始版本统称为 Flume OG；重构版本 称为 Flume NG。

二、使用场景

对于线上数据，一般是 存储到磁盘（落地） 或者 通过Socket 传输给另一个系统。

但在实际应用中，我们难以通过 线上应用 或 服务 去修改端口，从而实现向Kafka里写数据。

于是 需要 借助 Flume 来实现向Kafka里面写数据。

三、体系架构

（1）数据采集流程

（2）架构组件介绍：

Client 客户端： 负责生产数据；运行在一个独立的线程中。

Agent 代理：是Flume的核心组件，通过JVM运行。 包含组件：Source、Channel、Sink。

                      一台机器运行一个Agent，一个 Agent 可以包含多个 Source 和 Sink。

Source 源：是一个数据缓冲区。从 Client 收集数据 - 格式化 - 封装到 Event 。

                    使用内存存储数据，若超过阈值，则存入文件中。

Event 事件： 是一个数据单元，由  消息头 和 消息体 组成。

Interceptor 过滤器：位于 Source 和 Channel 之间。

Channel 管道：Event 中转站。负责 从 Source 接收数据，传递给 Sinks。

                         可以将 Event  暂存到内存中 或 持久化到磁盘 上，待Sink处理成功后删除。

Flow 流：Event 流动路径的抽象。

Sink 存储： 负责 从 Channel 拉取数据，发送给接收方。

四、执行流程

五、特性-复杂的流动性

（1）多个 Agent 横向连接。

（2）第一层 存在 多个 Agent，在第二层设置一个 Agent 做汇集操作。

（3）事件流 复用 流向不同的目的地。

六、事务

（1）推送事务流程

        先将 数据 写入 临时缓冲区，然后检查 Channel 容量 是否充足。

                若充足，则将数据推入管道。

                若不足，则将数据回滚到缓冲区。

（2）拉取事务流程

        先将 数据 拉去 到 临时缓冲区，然后检查 数据 是否发送成功。

                若成功，则删除缓冲区数据。

                若失败，则回滚缓冲区数据到管道。

（3）可靠

        只有当 Sink 接收到 数据完成落地的反馈信息 后， 才会将数据从 Channel 中删除。

（4）可恢复

        若将 Event 存储在 磁盘上，数据丢失后，可恢复。

七、优点

        当 收集数据的速度 大于 写出数据的速度 时，Flume可以对 数据生产者 和 数据存放者 进行自动调整，使数据得以平稳传输。

        Channel 基于事务，保证了数据的一致性。